基于全质心动力学与隐式逆运动学的动量感知轨迹优化
机器人学
2024-09-13 v3
摘要
当前最先进的基于梯度的优化框架能够生成令人印象深刻的动态动作，例如线性跳跃与旋转跳跃。然而，这些在机器人全刚体动力学上优化的方法往往需要预先精确的落脚位置，且若无精细的正则化与代价函数调参，实时性无法保证。相比之下，我们研究了任务空间优化框架的优势，特别关注杂技动作。我们提出的公式利用了系统的高阶非线性，例如角动量的非完整约束，以生成可行的高加速度动作。通过利用四足机器人 ANYmal C 的全质心动力学并直接优化其落脚点与接触力，该框架能够以低计算开销生成高效运动规划。最后，我们将所提框架部署于 ANYmal C 平台，并通过真实世界实验展示其真正能力，成功执行了高加速度动作，如线性跳跃与旋转跳跃。对这些动作的广泛分析表明，可借助机器人动力学来突破其质量大、扭矩极限低的硬件限制。
引用
@article{arxiv.2310.06074,
title = {Momentum-Aware Trajectory Optimisation using Full-Centroidal Dynamics and Implicit Inverse Kinematics},
author = {Aristotelis Papatheodorou and Wolfgang Merkt and Alexander L. Mitchell and Ioannis Havoutis},
journal= {arXiv preprint arXiv:2310.06074},
year = {2024}
}